> ## Content Index
> Fetch the complete content index at: https://ontraadseld.nl/llms.txt
> Use this file to discover other available public pages before exploring further.

# Slimme software moet fouten in satellietregen-data opsporen
- URL: https://ontraadseld.nl/slimme-software-moet-fouten-in-satellietregen-data-opsporen/
- Published: 2026-09-01T16:43:27.000Z
- Updated: 2026-09-16T11:51:32.000Z
- Author: Ontraadseld
- Tags: klimaat

Je kijkt weleens naar een regenradar op je telefoon om te zien of je droog thuiskomt. Maar wist je dat veel van die regeninformatie eigenlijk van satellieten komt? En dat die data soms fouten bevat die niemand goed in de gaten houdt? Een groep onderzoekers werkt aan een oplossing: een AI-systeem dat automatisch checkt of satellietmetingen van regen wel kloppen.

Vroeger deden alleen grote ruimteorganisaties zoals NASA metingen van neerslag vanuit de ruimte. De laatste jaren zijn er veel kleinere, goedkopere satellieten bijgekomen, gebouwd door commerciële bedrijven. Die satellieten meten indirect hoeveel regen er ergens valt, bijvoorbeeld door microgolfstraling te meten die door regenwolken wordt beïnvloed. Dat klinkt mooi, maar er is een probleem: het aantal satellieten en databronnen groeide veel sneller dan de controle op de kwaliteit van hun data.

Dat is een risico. Foutieve regendata kan bijvoorbeeld verkeerde waarschuwingen geven bij overstromingen, of klimaatonderzoekers op het verkeerde been zetten. Daarom is het belangrijk om fouten in de data snel te herkennen, het liefst nog voordat de informatie wordt gedeeld met bijvoorbeeld weerdiensten of wetenschappers.

### Hoe werkt het systeem?

Een onderzoeksteam ontwikkelde daarvoor een computerprogramma dat automatisch "afwijkingen" opspoort in satellietbeelden van regen. Zulke afwijkingen worden ook wel artefacten genoemd: storingen of fouten in de data die geen echte regen weergeven, maar bijvoorbeeld een technisch mankement van de satelliet.

Het systeem gebruikt bestaande, al getrainde beeldherkenningsmodellen (software die normaal gesproken foto's leert herkennen) en combineert dat met een kleine hoeveelheid data die mensen zelf hebben gecontroleerd en gelabeld. Zo leert het systeem het verschil tussen een normale meting en eentje met een fout erin.

De onderzoekers testten hun systeem op data van twee specifieke satellietinstrumenten, de SSMI en de SSMIS, die al langer worden gebruikt om regen te meten. Het systeem bleek goed in staat om gewone, betrouwbare satellietrondes te onderscheiden van rondes met fouten erin. De prestaties waren vergelijkbaar met bestaande, gespecialiseerde methodes die nu al worden gebruikt.

Een extra voordeel: het systeem legt uit waaróm het iets als fout bestempelt, in plaats van alleen een simpel "ja" of "nee" te geven. Ook kan het bijgestuurd worden als het een fout maakt, bijvoorbeeld als het onterecht iets als afwijking markeert of juist een echte fout mist.

**Wat betekent dit (nog) niet:** Dit is één onderzoek, getest op twee specifieke satellietinstrumenten. Het systeem is dus nog niet bewezen te werken voor alle typen satellieten of alle soorten regenmetingen. Ook is dit een technisch hulpmiddel om datakwaliteit te controleren, geen nieuw inzicht over klimaatverandering zelf. Het zegt dus niets over hoeveel het gaat regenen of hoe het klimaat verandert, wel over hoe betrouwbaar onze meetgegevens daarover zijn.

Voor gewone gebruikers verandert er voorlopig weinig direct zichtbaars. Maar op de achtergrond kan zo'n controlesysteem wel bijdragen aan betrouwbaardere regenvoorspellingen en klimaatdata, iets waar we allemaal indirect van profiteren, van boeren die hun oogst plannen tot beleidsmakers die zich voorbereiden op overstromingen.

Bron: [A Sensor-Adaptive Incremental Learning Framework for Artifact Detection in Satellite Precipitation Data](http://arxiv.org/abs/2609.01514v1?ref=ontraadseld.nl)